本文介绍使用 pandas 对商品销售数据按 item 分组，精准提取每个商品最新日期对应的 item type，并同时计算其累计总销量的完整实现方法。
本文介绍使用 pandas 对商品销售数据按 item 分组，精准提取每个商品最新日期对应的 item type，并同时计算其累计总销量的完整实现方法。
在实际业务分析中，商品属性（如“Item type”）可能随时间动态变化，而我们往往需要获取每个商品当前最有效的分类标签（即最新日期所对应的类型），同时统计其历史总销量。这要求分组聚合时对不同列采用不同的聚合逻辑：Item type 和 Date 取最后一条记录（'last'），而 Sales 则需求和（'sum'）。
Pandas 的 groupby().agg() 完全支持这种混合聚合策略，无需预排序（但需确保原始数据按时间自然递增或显式排序以保证语义正确）。以下为标准实现流程：
✅ 正确做法：使用 agg() 指定列级聚合函数
import pandas as pd
# 构建示例数据（注意：日期为字符串，后续建议转为 datetime 以支持可靠排序）
df = pd.DataFrame({
'Item': ['Apple', 'Apple', 'Apple', 'Orange'],
'Item type': ['Healthy', 'Vegan', 'Fruit', 'Citrus'],
'Date': ['Jan 1', 'Jan 5', 'Jan 7', 'Jan 3'],
'Sales': [10, 5, 2, 8]
})
# 关键：按 Item 分组，对各列指定聚合方式
result = df.groupby('Item').agg({
'Item type': 'last', # 取每组中最后一行的 Item type（依赖原始顺序）
'Date': 'last', # 同理取最后日期（便于验证）
'Sales': 'sum' # 累计销量
}).reset_index()
print(result)输出：
Item Item type Date Sales 0 Apple Fruit Jan 7 17 1 Orange Citrus Jan 3 8
⚠️ 重要注意事项
-
顺序敏感性：'last' 聚合依赖于分组内行的物理顺序。若原始数据未按日期升序排列（如 Jan 7 记录排在 Jan 1 前），结果将错误。强烈建议先按日期排序再分组：
# 推荐：显式按日期升序排序（假设 Date 可解析为 datetime） df['Date_dt'] = pd.to_datetime(df['Date'], format='%b %d') df_sorted = df.sort_values(['Item', 'Date_dt']) result = df_sorted.groupby('Item').agg({ 'Item type': 'last', 'Sales': 'sum' }).reset_index() 避免 df.groupby(...).last() 的误用：问题中提到“.last() 只适用于数值列”是误解——DataFrameGroupBy.last() 本身可作用于任意类型列；但更推荐使用 agg() 显式声明各列策略，语义更清晰、可控性更强。
扩展性提示：当有更多动态属性列（如 Supplier、Region）需同步取最新值时，只需在 agg() 字典中追加 'Supplier': 'last' 等键值对即可，无需额外循环或 merge。
✅ 总结
该方案高效、简洁、可扩展，适用于数千乃至百万级商品的批量处理。核心在于理解 agg() 的列级聚合能力，并结合合理排序保障时间逻辑正确性。对于高频更新的商品主数据快照场景，此模式可作为 ETL 中“拉取最新有效状态 + 累计指标”的标准范式。
